如何用dplyr的mutate+across实现iris数据集行-wise求和？

你之前的两种写法都没达到预期，原因如下：

• across(contains("Sepal"), sum) 是对每一列单独计算总和，返回的是一个包含两列总和的tibble，所以新列是嵌套的tibble结构，每行都是整个列的总和。
• sum(c_across(contains("Sepal"))) 没有按行分组，sum会计算所有选中列的全局总和，然后把这个值重复填充到每一行。

以下是符合你需求的dplyr工作流解决方案：

方法1：用rowSums + across（最简洁） #

iris1 <- iris %>% 
  mutate(totalSepalLength = rowSums(across(contains("Sepal")), na.rm = TRUE))

across(contains("Sepal")) 选中所有包含"Sepal"的列，rowSums直接对每行的这些列求和，返回数值向量，完美生成行-wise求和的新列。

方法2：用rowwise + c_across + sum（适合复杂行运算） #

如果需要在每行执行更复杂的自定义运算，可先开启行分组：

iris1 <- iris %>% 
  rowwise() %>% 
  mutate(totalSepalLength = sum(c_across(contains("Sepal")), na.rm = TRUE)) %>% 
  ungroup() # 记得取消行分组，避免后续操作默认按行处理

rowwise() 让后续的mutate按行执行，c_across(contains("Sepal"))提取当前行的目标列值，sum就是对当前行的这些值求和，最后ungroup()恢复数据框的常规状态。

验证结果，查看前几行：

head(iris1[, c("Sepal.Length", "Sepal.Width", "totalSepalLength")])

输出会是：

Sepal.Length Sepal.Width totalSepalLength
1          5.1         3.5              8.6
2          4.9         3.0              7.9
3          4.7         3.2              7.9
4          4.6         3.1              7.7
5          5.0         3.6              8.6
6          5.4         3.9              9.3

完全符合行-wise求和的需求。

内容的提问来源于stack exchange，提问作者Pss